I+D+i

ALEVIA

0 Fff

Descripción

ALEVIA aborda uno de los retos más críticos en acuicultura: la clasificación precisa y temprana de alevines. Tradicionalmente este proceso se realiza de forma manual, lo que conlleva elevados costes, subjetividad y riesgo de errores. Para superar estas limitaciones, ALEVIA propone una solución basada en visión artificial, aprendizaje automático e interoperabilidad de datos, diseñada para identificar deformidades de dorada (Sparus aurata) o lubina (Dicentrarchus labrax) y evaluar el estado de salud de los peces en tiempo real.

La plataforma integra redes neuronales convolucionales (CNN), algoritmos predictivos y un sistema de procesamiento de imágenes optimizado para grandes volúmenes de datos, alcanzando inferencias en menos de un segundo por imagen. Gracias a su arquitectura modular y escalable, ALEVIA permite transformar imágenes en datos estructurados de alto valor, facilitando el análisis predictivo, la trazabilidad y la generación de conocimiento útil para la toma de decisiones estratégicas en producción acuícola.

Además, el proyecto se alinea con las arquitecturas de espacios de datos europeos (Gaia-X), garantizando interoperabilidad, soberanía del dato y cumplimiento normativo. Esto convierte a ALEVIA no solo en una herramienta de optimización productiva, sino también en un sistema pionero en acuicultura de precisión, que contribuye a la sostenibilidad ambiental, al bienestar animal y a la competitividad global del sector.

Objetivos

  • Desarrollar un sistema seguro de ingesta de imágenes a través de portal web y API escalable, capaz de manejar al menos 500 solicitudes concurrentes.

  • Implementar un motor de procesamiento de imágenes  para identificar deformidades en alevines con una precisión mínima del 90% y tiempos de respuesta <1s.

  • Diseñar un sistema de almacenamiento distribuido y trazable, con cifrado y recuperación de datos en <100 ms, basado en bases de datos NoSQL y almacenamiento en la nube.

  • Integrar análisis predictivo avanzado para predecir crecimiento, viabilidad y patrones de salud a partir de grandes volúmenes de datos (>1 TB).

  • Garantizar interoperabilidad en espacios de datos mediante conectores REST API conformes a Gaia-X, con control de acceso federado y trazabilidad completa.

  • Optimizar un motor de inferencia en tiempo real, capaz de procesar hasta 1000 solicitudes concurrentes con latencia <500 ms, integrable en piscifactorías automatizadas.

 

Fff Staff Javier Osuna 2

Javier Osuna

Director de I+D+i

Alimenta de forma eficiente, produce más y reduce costos.

Descubre cómo mejorar tu piscifactoría.

Maximiza el rendimiento de tu piscifactoría con sistemas de alimentación inteligentes que reducen el desperdicio de pienso y mejoran la conversión alimenticia. En Fish Farm Feeder, ofrecemos soluciones innovadoras para todas las etapas de producción en acuicultura.